Python

整数行列を文字列行列に変換する必要がある場合は、リスト内包表記が使用されます。 例 以下は同じのデモンストレーションです- my_list = [[14, 25, 17], [40, 28, 13], [59, 44, 66], [29, 33, 16]] print("The list is :") print(my_list) my_result = [[str(element) for element in index]for index in my_list] print("The reuslt is :") print(my_resul

行列を辞書にマップする必要がある場合は、単純な反復が使用されます。 例 以下は同じのデモンストレーションです- my_list = [[2, 4, 3], [4, 1, 3], [2, 1, 3, 4]] print("The list :") print(my_list) map_dict = {2 : "Python", 1: "fun", 3 : "to", 4 : "learn"} my_result = [] for index in my_list:    

合計値がKより大きい辞書を抽出する必要がある場合は、単純な反復と「if」条件が使用されます。 例 以下は同じのデモンストレーションです- my_list = [{"Python" : 14, "is" : 18, "fun" : 19},{"Python" : 12, "is": 4, "fun" : 16}, {"Python" : 13, "is": 17, "fun" : 11},{"Python&

文字列リストにマップする文字インデックスを見つける必要がある場合は、単純な反復、リスト内包表記、および「追加」メソッドが使用されます。 例 以下は同じのデモンストレーションです- from collections import defaultdict my_list = ['p y t h o n', 'i s', 'f u n', 't o', 'l e a r n'] print("The list is :") print(my_list) my_result = defaultd

Kの倍数である要素を含む行をフィルタリングする必要がある場合は、リスト内包表記と剰余演算子が使用されます。 例 以下は同じのデモンストレーションです- my_list = [[15, 10, 25], [14, 28, 23], [120, 55], [55, 30, 203]] print("The list is :") print(my_list) K = 5 print("The value of K is ") print(K) my_result = [index for index in my_list if all(element

特定の文字を含む文字列でタプルをフィルタリングする必要がある場合は、リスト内包表記と「すべて」の演算子が使用されます。 例 以下は同じのデモンストレーションです- my_list = [('pyt', 'best'), ('pyt', 'good'), ('fest', 'pyt')] print("The list is :") print(my_list) char_string = 'pyestb' my_result = [index for in

リストから連続する類似要素の範囲を抽出する必要がある場合は、単純な反復と「追加」メソッドが使用されます。 例 以下は同じのデモンストレーションです- my_list = [12, 23, 23, 23, 48, 48, 36, 17, 17] print("The list is : ") print(my_list) my_result = [] index = 0 while index < (len(my_list)):    start_position = index    val = my_list[inde

数字で文字列を抽出する必要がある場合は、リスト内包表記と「isdigit」メソッドが使用されます。 例 以下は同じのデモンストレーションです- my_string = "python is 12 fun 2 learn" print("The string is : ") print(my_string) my_result = [int(i) for i in my_string.split() if i.isdigit()] print("The numbers list is :") print(my_result) 出

行列を「なし」の頻度で並べ替える必要がある場合は、パラメーターを受け取り、リスト内包表記、「not」演算子、および「len」メソッドを使用して結果を判別するメソッドが定義されます。 例 以下は同じのデモンストレーションです- def get_None_freq(row):    return len([element for element in row if not element]) my_list = [[None, 24], [None, 33, 3, None],[42, 24, 55], [13, None, 24]] print("The li

リストを後文字でソートする必要がある場合は、負のインデックスを使用して結果を返すメソッドが定義されています。 例 以下は同じのデモンストレーションです- def get_rear_position(element):    return element[-1] my_list = ['python', 'is', 'fun', 'to', 'learn'] print("The list is : ") print(my_list) my_list.sort(key

タプルのリスト内の一意の値の数を取得する必要がある場合は、「defaultdict」、「set」演算子、および「append」メソッドが使用されます。 例 以下は同じのデモンストレーションです- from collections import defaultdict my_list = [(12, 32), (12, 21), (21, 32), (89, 21), (71, 21), (89, 11), (99, 10), (8, 23), (10, 23)] print("The list is :") print(my_list) my_result = de

リスト内の減少点を見つける必要がある場合は、単純な反復と「break」ステートメントが使用されます。 例 以下は同じのデモンストレーションです- my_list = [21, 62, 53, 94, 55, 66, 18, 1, 0] print("The list is :") print(my_list) my_result = -1 for index in range(0, len(my_list) - 1):    if my_list[index + 1] < my_list[index]:     &nbs

文字列の省略形を使用して単語の頻度を見つける必要がある場合は、辞書の理解を使用できます。 例 以下は同じもののデモンストレーションです my_str = 'Hi there Will, how are you Will, Will you say Hi to me' print("The string is : " ) print(my_str) my_result = {key: my_str.count(key) for key in my_str.split()} print("The word frequency is : ")

マルチインデックスデータフレームは、複数のインデックスを持つデータフレームです。以下がデスクトップに保存されているcsvであるとしましょう- まず、パンダライブラリをインポートし、上記のCSVファイルを読み取ります- パンダをpddf=pd.read_csv（ C：/Users/amit_/Desktop/sales.csv）print（df）としてインポートします データフレームの「Car」列と「Place」列をインデックスとして形成します- df =df.set_index（[Car、Place]） DataFrameは、「Car」列と「Place」列をインデックスとして持つ

文字列内で最も頻繁に使用される文字を検索する必要がある場合は、空の辞書が作成され、文字列内の要素が繰り返されます。辞書で文字が見つかった場合は増分であり、それ以外の場合は1に割り当てられます。辞書内の値の最大値が見つかり、変数に割り当てられます。 例 以下は同じもののデモンストレーションです my_string = "Python-Interpreter" print ("The string is : ") print(my_string) max_frequency = {} for i in my_string:    i

insert（）メソッドは、別のDataFrameから列を追加するために使用されます。まず、最初のDataFrameを作成しましょう- dataFrame1 = pd.DataFrame({"Car": ["Audi","Lamborghini", "BMW", "Lexus"],    "Place": ["US", "UK", "India", "Australia"],

Series.value_counts（）メソッドを使用して、アイテムセットの頻度をカウントします。まず、DataFrameを作成しましょう- # Create DataFrame dataFrame = pd.DataFrame({'Car': ['BMW', 'Mercedes', 'Lamborghini', 'Audi', 'Mercedes', 'Porsche', 'Lamborghini', 'BMW'], 'Place&#

フォルダ内のすべてのExcelファイルをマージするには、Globモジュールとappend（）メソッドを使用します。 以下がデスクトップ上のExcelファイルであるとしましょう- Sales1.xlsx Sales2.xlsx 注 −openpyxlおよびxlrdパッケージのインストールが必要になる場合があります。 最初に、マージするすべてのExcelファイルが配置されるパスを設定します。 Excelファイルを取得し、globを使用してそれらを読み取ります- path = "C:\\Users\\amit_\\Desktop\\" file

不足している日付を確認するには、最初に、日付レコードを含むリストの辞書を設定します。つまり、この例では購入日- # dictionary of lists d = {'Car': ['BMW', 'Lexus', 'Audi', 'Mercedes', 'Jaguar', 'Bentley'],    'Date_of_purchase': ['2020-10-10', '2020-10-12', '2020

groupbyを使用してPandasDataFrameをグループ化します 。グルーパー機能を使用して、使用する列を選択します。以下に示す自動車販売記録の例では、月ごとにグループ化し、登録価格の合計を毎月計算します。 最初に、次が3つの列を持つPandasDataFrameであるとしましょう- dataFrame = pd.DataFrame(    {       "Car": ["Audi", "Lexus", "Tesla", "Mercedes&q